ارائه داشبورد برای نظام ثبت بیماری آلزایمر

مقدمه: نظام ثبت بیماری آلزایمر با جمع‌آوری داده‌ها در طی زمان، دارای پتانسیل زیادی برای تولید کلان داده می‌باشد که می‌توان با ابزارهای تحلیل بصری نظیر داشبوردها، این کلان داده‌ها را به دانش تبدیل کرد. در پژوهش حاضر، با توجه به نیازهای ذینفعان به تعیین شاخص‌های کلیدی بیماری آلزایمر و طراحی و ارزیابی داشبورد مبتنی بر نظام ثبت بیماری آلزایمر پرداخته‌شده است.روش ها: این پژوهش از نوع توسعه‌ای کاربردی بود که به روش توصیفی انجام شد. در مرحله اول به‌منظور تعیین شاخص‌های کلیدی عملکرد، پرسشنامه با نظر 31 نفر از اعضای هسته پژوهشی بیماری آلزایمر در دانشگاه علوم پزشکی ایران تکمیل شد. در مرحله دوم طراحی داشبورد بر اساس مطالعات قبلی و با استفاده از نرم‌افزار کلیک ویو انجام گرفت. در نهایت، این داشبورد با نظر چهار نفر از اعضای هسته پژوهشی بیماری آلزایمر و سه نفر از فارغ‌التحصیلان در رشته های انفورماتیک پزشکی و فناوری اطلاعات سلامت از طریق پرسشنامه مقیاس کاربردپذیری سیستم، ارزیابی شد.یافته ها: از میان 15 شاخص کلیدی عملکرد که توسط اعضای هسته پژوهشی بیماری آلزایمر تائید شد، سه شاخص در مقایسه با سایر شاخصها بیشترین امتیاز را کسب کرد که شامل نسبت بیماران دارای تاریخچه اختلالات روانی به کل بیماران، شاخص نسبت بیماران دارای سابقه افسردگی به کل بیماران و مقایسه شیوع و بروز کل جمعیت بود. سپس، با مقیاس کاربردپذیری ارزیابی داشبورد انجام شد و میانگین نمره 71/07 به دست آمد.نتیجه‌گیری: پیاده سازی داشبورد بیماری آلزایمر، نقش مهمی در جهت تامین نیازهای هر یک از ذینفعان و افزایش توانایی‌ تحلیل اطلاعات برای تصمیم‌گیری بهتر خواهد داشت.

Developing a Dashboard for Alzheimer's Disease Registry System

Introduction: Alzheimerchr('39')s disease registry system is of great help in generating big data through collecting data over time. Visual analysis tools such as dashboards can be used to convert this data into knowledge. Based on the needs of stakeholders, we in the present study determined the key indicators of Alzheimerchr('39')s disease; then, based on the Alzheimerchr('39')s disease registry system, we designed and evaluated the dashboard.Methods: In the first stage, we determined the key performance indicators through a questionnaire completed by 31 members of the Alzheimerchr('39')s disease research core at Iran University of Medical Sciences. In the second stage, we designed the dashboard based on previous studies and using QlickView software. Finally, we designed the dashboard by the System Usability Scale which was conducted by four members of the Alzheimerchr('39')s disease research core and three medical and health information technology graduates.Results: Among the 15 key performance indicators approved by members of the Alzheimerchr('39')s disease registry, three indicators have got the highest score; these indicators are as follows: the ratio of patients with a history of mental disorders compared to the total number of patients, the ratio of patients with a history of depression compared to the total number patients, and comparing the prevalence and incidence of the total population. Then, we evaluated the usability of the dashboard by the system usability scale whose average score was 71.7.Conclusion: Implementing the Alzheimerchr('39')s disease dashboard will play an important role in meeting the needs of each stakeholder and increasing the ability to analyze information in order to make better decisions.